技能触发不准，先改好 description

在我们评分过的 591 个 skill 中，六个评估维度里表现最弱的那一项，恰恰也决定了 skill 到底会不会被使用。修好它只需要五分钟，却几乎没人去做。

skill 的 description 字段，是选择 skill 之前唯一会被加载的内容。Agent 会先读这段描述，判断这个 skill 是否匹配当前请求，然后才加载正文。因此，它实际上是一张路由表，而不是文档。

我们把这一项称为“触发质量”，在总分 100 分中占 20 分。591 个 skill 在这一维度上的平均得分为 7.74，是六个维度中最低的，落后于内容质量（8.30）和工作流设计（8.11）。

四项任务，多数 skill 只做了一项

一段能拿高分的描述，需要回答四个问题：

1. 它会产出什么？——多数 skill 都能说明这一点。
2. 什么时候应该触发？——比较常见，通常会写成“当用户要求……时使用”。
3. 什么时候不应该触发？——很少见，却是我们衡量质量时最有力的单一信号。
4. 用户实际上会输入什么？——这一点就更少见了。

第 3 点才是关键。一个没有明确排除范围的 skill，会被所有与它相近的请求触发。装上三个这样的 skill，你的 Agent 就会在处理普通请求时开始加载错误的指令——这比根本没装这些 skill 还糟。

同一个 skill，两种描述

下面两段描述对应的是完全相同的一个包：按照一套风险分类体系审查合同。

description: Reviews contracts and identifies legal risks.

description: Reviews a contract against a risk taxonomy and returns findings
  with severity and suggested redlines. Use when the user asks to "review this
  contract", "check this NDA", or "flag risky clauses". Not for drafting new
  agreements (use an NDA generator), not for jurisdiction-specific compliance
  questions (use a compliance skill), and not for summarizing a contract without
  risk analysis.

第二段确实更长，但重点不在长度，而在于它明确排除了哪些情况。它把三类相近的请求分流到了别处，从而避免这个 skill 被周边那些它处理不好的请求触发——这类请求占了 80%。

差距的原因，可能与你想的不一样

不同类别的 skill，触发质量差异很大：

• 营销类 skill 在这一维度上的平均得分为 9.30。
• 金融与交易类 skill 的平均得分为 6.09。

同一个评分项，分差达到 3.2 分，相当悬殊。但先别急着得出“做营销的人更擅长起名字”的结论：这个数字主要反映的是作者构成。营销类 skill 主要来自少数几个组织一致、文档完善的 skill 系列。金融类 skill 则由许多独立作者陆续贡献，提供的多是加密货币和市场数据工具。类别之间的差异，远没有这些类别背后的作者差异大。

五分钟检查

打开 skill 的 frontmatter，按顺序检查以下问题：

1. 它会产出什么？（明确说出交付物，比只写一个动作更好。）
2. 用户具体会输入什么来触发它？
3. 哪些请求应该分流到别处？
4. 这里有没有与路由无关的内容，比如变更日志、理念宣言或路线图？

如果只改一项，就改第 3 项。它决定了一个 skill 究竟只是可用，还是确实有用。

完整的评分标准已经公开，其中包括触发质量这 20 分如何评定，以及每个 skill 的书面评分理由是什么样的。

如需进一步处理，你可以考虑屏蔽此人和／或举报滥用行为。